CN109858702B - 客户升级投诉的预测方法、装置、设备及可读存储介质 - Google Patents
客户升级投诉的预测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN109858702B CN109858702B CN201910114540.5A CN201910114540A CN109858702B CN 109858702 B CN109858702 B CN 109858702B CN 201910114540 A CN201910114540 A CN 201910114540A CN 109858702 B CN109858702 B CN 109858702B
- Authority
- CN
- China
- Prior art keywords
- data
- service type
- target customer
- complaint
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004891 communication Methods 0.000 claims abstract description 151
- 238000013145 classification model Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000009415 formwork Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 5
- 230000000306 recurrent effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims 2
- 230000003044 adaptive effect Effects 0.000 abstract description 11
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Abstract
本发明实施例提供一种客户升级投诉的预测方法、装置、设备及可读存储介质,该方法包括:获取目标客户投诉的工单文本数据;根据工单文本数据获取目标客户的通信特征数据;将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果,由于从获取目标客户投诉的工单文本数据到输出客户升级投诉的预测风险无需人工参与,所以能够根据目标客户投诉自动完成客户升级投诉的预测,提高了预测效率,并且预测模型是通过适配后的优化模型,能够提高预测的准确率。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种客户升级投诉的预测方法、装置、设备及可读存储介质。
背景技术
随着通信技术的不断发展,客户对运营商的通信服务标准也不断提高。若对通信服务不满意,可通过客户投诉的方式提高通信服务质量。所以客户投诉的频率成为了运营商企业管理的重要考核指标。并且在客户投诉的过程中还会相继发生客户升级投诉,客户升级投诉是在客户投诉的基础上相继发生的内部升级投诉,或向外部消费者协会、通信局或工信部等部门发生的客户投诉。
所以为了减少客户升级投诉的发生,在收到客户投诉后,需要对客户升级投诉进行预测,预测出客户升级投诉的风险。并根据预测结果对可能发生升级投诉的客户进行安抚,奖励等措施,以减少客户升级投诉。
现有技术中进行客户升级投诉的预测方法主要为人工预测。其主要由人工对客户投诉数据进行审核,并根据审核结果对客户升级投诉进行预测。所以现有技术对客户升级投诉的预测方法费时费力,预测效率较低,并且对人工的专业水平要求较高,由于专业水平的不同,导致预测的准确率也较低。
发明内容
本发明实施例提供一种客户升级投诉的预测方法、装置、设备及可读存储介质,解决了现有技术中的客户升级投诉的预测方法费时费力,预测效率较低,并且预测的准确率也较低的技术问题。
第一方面,本发明实施例提供一种客户升级投诉的预测方法,包括:
获取目标客户投诉的工单文本数据;
根据所述工单文本数据获取目标客户的通信特征数据;
将所述通信特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果。
进一步地,如上所述的方法,所述根据所述工单文本数据获取目标客户的通信特征数据之后,还包括:
根据所述通信特征数据确定所述目标客户投诉的服务类型;
根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
进一步地,如上所述的方法,所述获取目标客户投诉的工单文本数据之前,还包括:
获取所述目标客户投诉的录音数据;
将所述录音数据进行文本转换,形成所述目标客户投诉的总文本数据;
提取所述总文本数据的关键字段,以形成所述目标客户投诉的工单文本数据。
进一步地,如上所述的方法,所述根据所述工单文本数据获取目标客户的通信特征数据,具体包括:
获取所述工单文本数据中的目标客户标识;
向客户通信数据平台发送通信特征数据获取请求,所述通信特征数据获取请求中包括目标客户标识,以使所述客户通信平台根据所述目标客户标识获取所述目标客户的通信特征数据;
接收所述客户通信数据平台发送的目标客户的通信特征数据。
进一步地,如上所述的方法,所述根据所述通信特征数据确定所述目标客户投诉的服务类型,具体为:
将所述通信特征数据输入到训练后的分类模型中,以使所述训练后的分类模型确定所述目标客户投诉的服务类型,并输出所述目标客户投诉的服务类型;
其中,所述训练后的分类模型为训练后的递归神经网络模型或训练后的决策树模型。
进一步地,如上所述的方法,所述根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,具体包括:
判断所述目标客户投诉的服务类型是否存在于所述预设重要服务类型中;
若所述目标客户投诉的服务类型存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第一预设数值;
若所述目标客户投诉的服务类型不存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第二预设数值;
其中,第一预设数值大于第二预设数值。
进一步地,如上所述的方法,所述将所述特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果之后,还包括:
若预测结果的风险数值大于预设风险阈值,则将所述工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过所述人工服务终端对所述目标客户进行安抚措施。
第二方面,本发明实施例提供一种客户升级投诉的预测装置,包括:
工单文本数据获取模块,用于获取目标客户投诉的工单文本数据;
通信特征数据获取模块,用于根据所述工单文本数据获取目标客户的通信特征数据;
升级投诉预测模块,用于将所述通信特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果。
进一步地,如上所述的装置,还包括:
服务类型确定模块,用于根据所述通信特征数据确定所述目标客户投诉的服务类型;
预测模型适配模块,用于根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
进一步地,如上所述的装置,还包括:
录音数据获取模块,用于获取所述目标客户投诉的录音数据;
文本转换模块,用于将所述录音数据进行文本转换,形成所述目标客户投诉的总文本数据;
工单文本数据确定模块,用于提取所述总文本数据的关键字段,以形成所述目标客户投诉的工单文本数据。
进一步地,如上所述的装置,所述通信特征数据获取模块,具体用于:
获取所述工单文本数据中的目标客户标识;向客户通信数据平台发送通信特征数据获取请求,所述通信特征数据获取请求中包括目标客户标识,以使所述客户通信平台根据所述目标客户标识获取所述目标客户的通信特征数据;接收所述客户通信数据平台发送的目标客户的通信特征数据。
进一步地,如上所述的装置,所述服务类型确定模块,具体用于:
将所述通信特征数据输入到训练后的分类模型中,以使所述训练后的分类模型确定所述目标客户投诉的服务类型,并输出所述目标客户投诉的服务类型;其中,所述训练后的分类模型为训练后的递归神经网络模型或训练后的决策树模型。
进一步地,如上所述的装置,所述预测模型适配模块,具体用于:
判断所述目标客户投诉的服务类型是否存在于所述预设重要服务类型中;若所述目标客户投诉的服务类型存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第一预设数值;若所述目标客户投诉的服务类型不存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第二预设数值;其中,第一预设数值大于第二预设数值。
进一步地,如上所述的装置,还包括:
数据发送模块,用于若预测结果的风险数值大于预设风险阈值,则将所述工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过所述人工服务终端对所述目标客户进行安抚措施。
第三方面,本发明实施例提供一种电子设备,包括:
存储器,处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如上第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。
本发明实施例提供一种客户升级投诉的预测方法、装置、设备及可读存储介质,通过获取目标客户投诉的工单文本数据;根据工单文本数据获取目标客户的通信特征数据;将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果,由于从获取目标客户投诉的工单文本数据到输出客户升级投诉的预测风险无需人工参与,所以能够根据目标客户投诉自动完成客户升级投诉的预测,提高了预测效率,并且预测模型是通过适配后的优化模型,能够提高预测的准确率。
应当理解,上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的客户升级投诉的预测方法的流程图;
图2为本发明实施例二提供的客户升级投诉的预测方法的流程图;
图3为本发明实施例二提供的客户升级投诉的预测方法执行步骤205的流程图;
图4为本发明实施例二提供的客户升级投诉的预测方法执行步骤207的流程图;
图5为本发明实施例三提供的客户升级投诉的预测装置的结构示意图;
图6为本发明实施例四提供的客户升级投诉的预测装置的结构示意图;
图7为本发明实施例五提供的电子设备的结构示意图;
图8为本发明实施例六提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本发明实施例的应用场景进行说明。本发明实施例提供的客户升级投诉的预测方法可应用在下述应用场景中。该应用场景为:目标客户通过电信运营商的客户电话进行客户投诉。首先可由来电智能助手接听目标客户投诉来电,并将目标客户投诉来电进行录音,获取录音数据,并将录音数据转换为总文本数据,将总文本数据进行关键字段的提取,形成目标客户投诉的工单文本数据。根据目标客户投诉的工单文本数据中的目标客户标识从客户通信数据平台获取目标客户的通信特征数据,根据通信特征数据确定目标客户投诉的服务类型,根据目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,最后将特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果,若预测结果的风险数值大于预设风险阈值,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过人工服务终端对目标客户进行安抚措施。能够根据目标客户投诉自动完成客户升级投诉的预测,提高了预测效率,并且预测模型是通过适配后的优化模型,能够提高预测的准确率。
实施例一
图1为本发明实施例一提供的客户升级投诉的预测方法的流程图,如图1所示,则本实施例提供的客户升级投诉的预测方法的执行主体为客户升级投诉的预测装置,该客户升级投诉的预测装置可集成在电子设备中,电子设备可以为计算机,笔记本电脑,平板电脑,智能手机等设备,则本实施例提供的客户升级投诉的预测方法包括以下几个步骤。
步骤101,获取目标客户投诉的工单文本数据。
其中,目标客户投诉为需要进行升级投诉预测的客户投诉。
其中,工单文本数据中包括一个或多个关键字段,若只包括一个关键字段,则该关键字段为:目标客户的标识。目标客户的标识可以为目标客户的身份证号,目标客户的手机号码或邮箱等唯一表示目标客户的信息。若工单文本数据包括多个关键字段,则还可以包括:“投诉”,“使用流量多”“通信质量差”等关键字段。
具体地,本实施例中,可首先由来电智能助手接听目标客户的投诉来电,并对目标客户投诉来电进行录音,形成目标客户投诉的录音数据,将录音数据转换为总文本数据,并对总文本数据进行关键字段的提取,并将关键字段进行组合形成目标客户投诉的工单文本数据。将目标客户投诉的工单文本数据进行存储,从存储区域获取目标客户投诉的工单文本数据。
或者本实施例中,可将所有客户投诉的工单文本数据存储到客户投诉平台,通过与客户投诉平台通信获取目标客户投诉的工单文本数据。
需要说明的是,本实施例中获取目标客户投诉的工单文本数据还可以为其他方式,本实施例中对获取目标客户投诉的工单文本数据的方式不作限定。
步骤102,根据工单文本数据获取目标客户的通信特征数据。
其中,通信特征数据可以包括目标客户的基本信息数据及通信使用数据。其中,目标客户的基本信息数据可以包括:目标客户年龄,工作信息,收入状况数据,住址信息等。目标客户的通信使用数据可以包括:使用通信的至少一种服务类型,每种服务类型的使用流量数据,每种服务类型的通信质量数据,每种服务类型的使用费用及费用分布数据等。
步骤103,将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果。
其中,预测模型可以为逻辑回归模型,还可以为神经网络模型或其他能够预测的机器学习模型或深度学习模型,本实施例中对此不作限定。
本实施例中,预测模型是由训练集中的训练样本进行训练后的预测模型,其中,每个训练样本是由客户投诉的历史通信特征数据和对应的是否发生升级投诉的数据构成的训练样本。并且该预测模型由至少一个预测参数构成,在将通信特征数据输入到适配后的预测模型之前,需要对预测模型中的预测参数进行适配,形成适配后的预测模型。
具体地,本实施例中,将通信特征数据输入到适配后的预测模型中,适配后的预测模型根据通信特征数据对是否发生升级投诉进行预测,输出预测结果。其中,预测结果可以为发生客户升级投诉的风险数值,若风险数值大于预设风险阈值,则说明预测结果为发生客户升级投诉,若风险数值小于或等于预设风险阈值,则说明预测结果为不发生客户升级投诉。或者预测结果直接为是发生客户升级投诉或不发生客户升级投诉。本实施例中对预测结果的表示方式不作限定。
本实施例提供的客户升级投诉的预测方法,通过获取目标客户投诉的工单文本数据;根据工单文本数据获取目标客户的通信特征数据;将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果,由于从获取目标客户投诉的工单文本数据到输出客户升级投诉的预测风险无需人工参与,所以能够根据目标客户投诉自动完成客户升级投诉的预测,提高了预测效率,并且预测模型是通过适配后的优化模型,能够提高预测的准确率。
实施例二
图2为本发明实施例二提供的客户升级投诉的预测方法的流程图,如图2所示,本实施例提供的客户升级投诉的预测方法是在本发明实施例一提供的客户升级投诉的预测方法的基础上,对步骤101-步骤102的进一步细化,并且还包括了根据通信特征数据确定目标客户投诉的服务类型,根据目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型的步骤,以及若预测结果的风险数值大于预设风险阈值,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过人工服务终端对目标客户进行安抚措施的步骤,则本实施例提供的客户升级投诉的预测方法包括以下步骤。
步骤201,获取目标客户投诉的录音数据。
进一步地,本实施例中,来电智能助手接听客户的来电,并根据客户的客户服务类型的选择提取出目标客户投诉的来电,如用户输入数字“4”,其对应的客户服务类型为投诉类型。并对提取出的目标客户投诉的来电进行录音,形成目标客户投诉的录音数据,获取该目标客户投诉的录音数据。
步骤202,将录音数据进行文本转换,形成目标客户投诉的总文本数据。
进一步地,本实施例中可通过语音文本间的转换工具将录音数据转换为对应的文本数据,转换后的文本数据为目标客户投诉的总文本数据。
步骤203,提取总文本数据的关键字段,以形成目标客户投诉的工单文本数据。
进一步地,本实施例中,可预先设定客户投诉来电的关键字段,按照预先设定的客户投诉来电的关键字段提取目标客户投诉的总文本数据中对应的关键字段,将提取出的关键字段进行组合,形成目标客户投诉的工单文本数据。
其中,工单文本数据中至少包括:目标客户的标识。
可以理解的是,在提取总文本数据的关键字段,以形成目标客户投诉的工单文本数据之后,将目标客户投诉的工单文本数据进行存储。
步骤204,获取目标客户投诉的工单文本数据。
进一步地,本实施例中,从存储目标客户投诉的工单文本数据的存储区域获取目标客户投诉的工单文本数据。
步骤205,根据工单文本数据获取目标客户的通信特征数据。
进一步地,图3为本发明实施例二提供的客户升级投诉的预测方法执行步骤205的流程图,如图3所示,本实施例中,步骤205包括以下步骤。
步骤205a,获取工单文本数据中的目标客户标识。
进一步地,本实施例中,从工单文本数据中提取目标客户标识,其中,目标客户的标识可以为目标客户的身份证号,目标客户的手机号码或邮箱等唯一表示目标客户的信息。
步骤205b,向客户通信数据平台发送通信特征数据获取请求,通信特征数据获取请求中包括目标客户标识,以使客户通信平台根据目标客户标识获取目标客户的通信特征数据。
其中,在客户通信数据平台中存储有目标客户的通信特征数据。通信特征数据至少包括:目标客户的基本信息数据及通信使用数据。其中,目标客户的基本信息数据至少包括:目标客户年龄,工作信息,收入状况数据,住址信息等。目标客户的通信使用数据至少包括:使用通信的至少一种服务类型,每种服务类型的使用流量数据,每种服务类型的通信质量数据,每种服务类型的使用费用及费用分布数据。其中,通信特征数据还可以包括其他数据,本实施例中对此不作限定。
步骤205c,接收客户通信数据平台发送的目标客户的通信特征数据。
进一步地,结合步骤205b-步骤205c进行说明。本实施例中,客户升级投诉的预测装置与客户通信数据平台进行通信连接,客户升级投诉的预测装置向客户通信数据平台发送通信特征数据获取请求,并在通信特征数据获取请求中携带目标客户标识,在客户通信数据平台接收到通信特征数据获取请求后,根据目标客户标识获取到对应的目标客户的通信特征数据,并将通信特征数据发送给客户升级投诉的预测装置,客户升级投诉的预测装置接收到客户通信数据平台发送的目标客户的通信特征数据。
步骤206,根据通信特征数据确定目标客户投诉的服务类型。
优选地,本实施例中,根据通信特征数据确定目标客户投诉的服务类型,具体为:
将通信特征数据输入到训练后的分类模型中,以使分类模型确定目标客户投诉的服务类型,并输出目标客户投诉的服务类型。
具体地,本实施例中,训练后的分类模型是通过训练集中的训练样本训练得到的。其中,每个训练样本是由客户投诉的历史通信特征数据和对应的服务类型构成的训练样本。将通信特征数据输入到训练后的分类模型中,训练后的分类模型根据通信特征数据确定目标客户所使用的所有服务类型中目标客户进行投诉的服务类型。并输出目标客户进行投诉的服务类型。
其中,训练后的分类模型为训练后的递归神经网络模型或训练后的决策树模型。
步骤207,根据目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
进一步地,图4为本发明实施例二提供的客户升级投诉的预测方法执行步骤207的流程图,如图4所示,本实施例提供的步骤207包括以下几个步骤。
步骤207a,判断目标客户投诉的服务类型是否存在于预设重要服务类型中,若是,则执行步骤207b,否则执行步骤207c。
其中,预设重要服务类型为当前预设时间段内运营商非常重视的服务类型。如可以为宽带服务,和/或移动电话服务等。当前预设时间段可以为当前一个季度,或当前月份或当前年份等,本实施例中对此不作限定。
步骤207b,适配预测模型的预测风险增加参数为第一预设数值。
步骤207c,适配预测模型的预测风险增加参数为第二预设数值。
其中,第一预设数值大于第二预设数值。
优选地,第一预设数值可以为20%,30%,或者其他适宜数值。第二预设数值为0%。
进一步地,结合步骤207a-步骤207c进行说明。本实施例中,若目标客户投诉的服务类型存在于预设重要服务类型中,则说明该目标客户投诉的服务类型为当前预设时间段内运营商非常重视的服务类型,为了有效减少该服务类型的目标客户投诉发生客户升级投诉,则将预测模型的预测风险增加参数为第一预设数值,第一预设数值可以为20%,则在该预测模型对客户升级投诉进行预测时,将该预测风险增加参数增加到最后的结果中。如在该预测模型适配的预测风险增加参数为零时对客户升级投诉进行预测后的预测结果为50%,则将该第一预设数值20%增加到最后的预测结果中,该客户升级投诉的最终预测结果为70%。若目标客户投诉的服务类型不存在于预设重要服务类型中,则说明该目标客户投诉的服务类型不是当前预设时间段内运营商非常重视的服务类型,则将预测模型的预测风险增加参数适配为第二预设数值,正常对该目标客户的升级投诉进行预测。在该预测模型对客户升级投诉进行预测后,将该预测风险增加参数增加到最后的结果中。如在该预测模型对客户升级投诉进行预测后的预测结果为50%,则将该第二预设数值为0%增加到最后的预测结果中,则该客户升级投诉的最终预测结果还是为50%。
步骤208,将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果。
进一步地,本实施例中,该预测结果为风险数值。可以理解的是,该预测结果为增加第一预设数值或第二预设数值后的结果。
步骤209,若预测结果的风险数值大于预设风险阈值,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过人工服务终端对目标客户进行安抚措施。
进一步地,本实施例中,若预测结果的风险数值大于预设风险阈值,则说明很大概率上目标客户会进行升级投诉,则为了有效减少目标客户进行升级投诉的风险,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,人工服务终端根据工单文本数据,通信特征数据,服务类型向目标客户进行安抚措施。
其中,安抚措施可以为奖励措施,优惠活动措施等。
本实施例提供的客户升级投诉的预测方法,通过获取目标客户投诉的录音数据,将录音数据进行文本转换,形成目标客户投诉的总文本数据,提取总文本数据的关键字段,以形成目标客户投诉的工单文本数据,获取目标客户投诉的工单文本数据,根据工单文本数据获取目标客户的通信特征数据,根据通信特征数据确定目标客户投诉的服务类型,根据目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型,将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果,若预测结果的风险数值大于预设风险阈值,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过人工服务终端对目标客户进行安抚措施,不仅提高了预测效率和预测准确性,而且能够识别出目标客户的投诉的服务类型,提高当前运行商非常重视的服务类型的预测风险数值,以有效减少当前运行商非常重视的服务类型的升级投诉,满足运营商的个性化需求。
实施例三
图5为本发明实施例三提供的客户升级投诉的预测装置的结构示意图,如图5所示,本实施例提供的客户升级投诉的预测装置包括:工单文本数据获取模块51,通信特征数据获取模块52,升级投诉预测模块53。
其中,工单文本数据获取模块51,用于获取目标客户投诉的工单文本数据。通信特征数据获取模块52,用于根据工单文本数据获取目标客户的通信特征数据。升级投诉预测模块53,用于将通信特征数据输入到适配后的预测模型中,以对目标客户投诉的升级投诉进行预测,输出预测结果。
本实施例提供的客户升级投诉的预测装置可以执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
实施例四
图6为本发明实施例四提供的客户升级投诉的预测装置的结构示意图,如图6所示,本实施例提供的客户升级投诉的预测装置在本发明实施例一提供的客户升级投诉的预测装置的基础上,进一步地,还包括:服务类型确定模块61,预测模型适配模块62,录音数据获取模块63,文本转换模块64,工单文本数据确定模块65,数据发送模块66。
进一步地,服务类型确定模块61,用于根据通信特征数据确定目标客户投诉的服务类型。预测模型适配模块62,用于根据目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
进一步地,录音数据获取模块63,用于获取目标客户投诉的录音数据。文本转换模块64,用于将录音数据进行文本转换,形成目标客户投诉的总文本数据。工单文本数据确定模块65,用于提取总文本数据的关键字段,以形成目标客户投诉的工单文本数据。
进一步地,通信特征数据获取模块52,具体用于:获取工单文本数据中的目标客户标识;向客户通信数据平台发送通信特征数据获取请求,通信特征数据获取请求中包括目标客户标识,以使客户通信平台根据目标客户标识获取目标客户的通信特征数据;接收客户通信数据平台发送的目标客户的通信特征数据。
进一步地,服务类型确定模块61,具体用于:将通信特征数据输入到训练后的分类模型中,以使训练后的分类模型确定目标客户投诉的服务类型,并输出目标客户投诉的服务类型;其中,训练后的分类模型为训练后的递归神经网络模型或训练后的决策树模型。
进一步地,预测模型适配模块62,具体用于:判断目标客户投诉的服务类型是否存在于预设重要服务类型中;若目标客户投诉的服务类型存在于预设重要服务类型中,则适配预测模型的预测风险增加参数为第一预设数值;若目标客户投诉的服务类型不存在于预设重要服务类型中,则适配预测模型的预测风险增加参数为第二预设数值;其中,第一预设数值大于第二预设数值。
进一步地,数据发送模块66,用于若预测结果的风险数值大于预设风险阈值,则将工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过人工服务终端对目标客户进行安抚措施。
本实施例提供的客户升级投诉的预测装置可以执行图2-图4所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
实施例五
图7为本发明实施例五提供的电子设备的结构示意图,如图7所示,本实施例提供的电子设备包括:存储器71,处理器72以及计算机程序。
其中,计算机程序存储在存储器71中,并被配置为由处理器72执行以实现本发明实施例一提供的客户升级投诉的预测方法或本发明实施例二提供的客户升级投诉的预测方法。相关说明可以对应参见图1至图4的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
其中,本实施例中,存储器71和处理器72通过总线73连接。
实施例六
图8为本发明实施例六提供的电子设备的结构示意图,如图8所示,该电子设备可以是计算机,笔记本电脑,平板电脑,智能手机等。
该电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,数据通信和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在本发明实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如蓝牙,WiFi,2G或3G,或它们的组合。
实施例七
本发明实施例七提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现本发明实施例一提供的客户升级投诉的预测方法或本发明实施例二提供的客户升级投诉的预测方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种客户升级投诉的预测方法,其特征在于,包括:
获取目标客户投诉的工单文本数据;
根据所述工单文本数据获取目标客户的通信特征数据,其中,所述通信特征数据包括目标客户的基本信息数据和通信使用数据,所述目标客户的基本信息数据包括:目标客户年龄,工作信息,收入状况数据及住址信息,所述通信使用数据包括每种服务类型的使用流量数据,每种服务类型的通信质量数据,每种服务类型的使用费用及费用分布数据;
将所述通信特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果,其中,所述预测模型由至少一个预测风险增加参数构成;
根据所述工单文本数据获取目标客户的通信特征数据之后,还包括:
根据所述通信特征数据确定所述目标客户投诉的服务类型;
根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
2.根据权利要求1所述的方法,其特征在于,所述获取目标客户投诉的工单文本数据之前,还包括:
获取所述目标客户投诉的录音数据;
将所述录音数据进行文本转换,形成所述目标客户投诉的总文本数据;
提取所述总文本数据的关键字段,以形成所述目标客户投诉的工单文本数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述工单文本数据获取目标客户的通信特征数据,具体包括:
获取所述工单文本数据中的目标客户标识;
向客户通信数据平台发送通信特征数据获取请求,所述通信特征数据获取请求中包括目标客户标识,以使所述客户通信数据平台根据所述目标客户标识获取所述目标客户的通信特征数据;
接收所述客户通信数据平台发送的目标客户的通信特征数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述通信特征数据确定所述目标客户投诉的服务类型,具体为:
将所述通信特征数据输入到训练后的分类模型中,以使所述训练后的分类模型确定所述目标客户投诉的服务类型,并输出所述目标客户投诉的服务类型;
其中,所述训练后的分类模型为训练后的递归神经网络模型或训练后的决策树模型。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,具体包括:
判断所述目标客户投诉的服务类型是否存在于所述预设重要服务类型中;
若所述目标客户投诉的服务类型存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第一预设数值;
若所述目标客户投诉的服务类型不存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第二预设数值;
其中,第一预设数值大于第二预设数值。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述将所述通信特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果之后,还包括:
若预测结果的风险数值大于预设风险阈值,则将所述工单文本数据,通信特征数据,服务类型发送给人工服务终端,以通过所述人工服务终端对所述目标客户进行安抚措施。
7.一种客户升级投诉的预测装置,其特征在于,包括:
工单文本数据获取模块,用于获取目标客户投诉的工单文本数据;
通信特征数据获取模块,用于根据所述工单文本数据获取目标客户的通信特征数据,其中,所述通信特征数据包括目标客户的基本信息数据和通信使用数据,所述目标客户的基本信息数据包括:目标客户年龄,工作信息,收入状况数据及住址信息,所述通信使用数据包括每种服务类型的使用流量数据,每种服务类型的通信质量数据,每种服务类型的使用费用及费用分布数据;
升级投诉预测模块,用于将所述通信特征数据输入到适配后的预测模型中,以对所述目标客户投诉的升级投诉进行预测,输出预测结果,其中,所述预测模型由至少一个预测风险增加参数构成;
服务类型确定模块,用于根据所述通信特征数据确定所述目标客户投诉的服务类型;
预测模型适配模块,用于根据所述目标客户投诉的服务类型和预设重要服务类型适配预测模型的预测风险增加参数,以形成适配后的预测模型。
8.根据权利要求7所述的装置,其特征在于,所述预测模型适配模块,具体用于:
判断所述目标客户投诉的服务类型是否存在于所述预设重要服务类型中;若所述目标客户投诉的服务类型存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第一预设数值;若所述目标客户投诉的服务类型不存在于所述预设重要服务类型中,则适配所述预测模型的预测风险增加参数为第二预设数值;其中,第一预设数值大于第二预设数值。
9.一种电子设备,其特征在于,包括:
存储器,处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114540.5A CN109858702B (zh) | 2019-02-14 | 2019-02-14 | 客户升级投诉的预测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114540.5A CN109858702B (zh) | 2019-02-14 | 2019-02-14 | 客户升级投诉的预测方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858702A CN109858702A (zh) | 2019-06-07 |
CN109858702B true CN109858702B (zh) | 2021-02-19 |
Family
ID=66897848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910114540.5A Active CN109858702B (zh) | 2019-02-14 | 2019-02-14 | 客户升级投诉的预测方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858702B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349039B (zh) * | 2019-06-13 | 2024-03-05 | 中国平安人寿保险股份有限公司 | 投诉风险评估方法、系统、计算机设备及可读存储介质 |
CN110347840B (zh) * | 2019-07-18 | 2023-06-13 | 携程计算机技术(上海)有限公司 | 投诉文本类别的预测方法、系统、设备和存储介质 |
CN111126783A (zh) * | 2019-11-29 | 2020-05-08 | 广东电网有限责任公司 | 一种基于大数据的客户投诉风险评级方法及装置 |
CN113313279A (zh) * | 2020-02-27 | 2021-08-27 | 北京沃东天骏信息技术有限公司 | 一种单据审核方法和装置 |
CN111461446A (zh) * | 2020-04-09 | 2020-07-28 | 北京北大软件工程股份有限公司 | 基于机器学习的投诉举报案件的预测方法及装置 |
CN112651635A (zh) * | 2020-12-28 | 2021-04-13 | 长沙市到家悠享网络科技有限公司 | 风险识别方法、装置、电子设备及存储介质 |
CN112819245A (zh) * | 2021-02-24 | 2021-05-18 | 阳光保险集团股份有限公司 | 用户投诉行为预测方法、装置、设备及存储介质 |
CN112991049B (zh) * | 2021-04-13 | 2023-05-30 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法以及电子设备 |
CN113592315A (zh) * | 2021-08-04 | 2021-11-02 | 北京沃东天骏信息技术有限公司 | 一种处理纠纷单的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546992A (zh) * | 2011-12-12 | 2012-07-04 | 华为技术有限公司 | 一种垃圾语音消息过滤方法、过滤装置及过滤系统 |
CN105095588A (zh) * | 2015-08-05 | 2015-11-25 | 中国联合网络通信集团有限公司 | 移动互联网用户投诉的预测方法和装置 |
CN106791237A (zh) * | 2016-12-22 | 2017-05-31 | 国网山东省电力公司鄄城县供电公司 | 用于电力公司的用户意见处理装置、系统及方法 |
CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
CN108831476A (zh) * | 2018-05-31 | 2018-11-16 | 平安科技(深圳)有限公司 | 语音采集方法、装置、计算机设备及存储介质 |
-
2019
- 2019-02-14 CN CN201910114540.5A patent/CN109858702B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546992A (zh) * | 2011-12-12 | 2012-07-04 | 华为技术有限公司 | 一种垃圾语音消息过滤方法、过滤装置及过滤系统 |
CN105095588A (zh) * | 2015-08-05 | 2015-11-25 | 中国联合网络通信集团有限公司 | 移动互联网用户投诉的预测方法和装置 |
CN106791237A (zh) * | 2016-12-22 | 2017-05-31 | 国网山东省电力公司鄄城县供电公司 | 用于电力公司的用户意见处理装置、系统及方法 |
CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
CN108831476A (zh) * | 2018-05-31 | 2018-11-16 | 平安科技(深圳)有限公司 | 语音采集方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109858702A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858702B (zh) | 客户升级投诉的预测方法、装置、设备及可读存储介质 | |
US20100100377A1 (en) | Generating and processing forms for receiving speech data | |
CN107678803A (zh) | 应用管控方法、装置、存储介质及电子设备 | |
CN106993104A (zh) | 来电处理方法、装置及终端 | |
CN111667284B (zh) | 客服切换方法及装置 | |
CN110809095A (zh) | 语音外呼的方法和装置 | |
CN105162977A (zh) | 说辞推荐方法和装置 | |
US20170180219A1 (en) | System and method of analyzing user skill and optimizing problem determination steps with helpdesk representatives | |
JP2007074175A (ja) | 電話業務検査システム及びそのプログラム | |
CN112183953A (zh) | 客服资源的分配方法、装置、电子设备和存储介质 | |
CN107066536B (zh) | 评论确定方法及装置 | |
CN112308590B (zh) | 一种参数处理方法、装置以及计算设备、存储介质 | |
CN104427285B (zh) | 一种提示信息生成方法及装置 | |
CN103646644A (zh) | 一种获取语音识别业务信息认可度的方法和装置 | |
CN115907784A (zh) | 电力营业厅服务敏感客户识别和主动预警通知方法和系统 | |
CN111061855B (zh) | 答复内容的生成方法和装置、在线聊天的处理方法以及电子设备 | |
CN116415595A (zh) | 对话意图识别方法、系统和存储介质 | |
CN106933449A (zh) | 图标处理方法和装置 | |
CN111626883A (zh) | 核保方法及装置、电子设备和存储介质 | |
CN112860980A (zh) | 内容展现、推荐的处理方法、装置、存储介质及电子设备 | |
CN109873750B (zh) | 远程销售智能提醒信息发送方法、装置、介质及电子设备 | |
CN106982288A (zh) | 语音问答提示方法及终端 | |
CN117829887A (zh) | 业务系统流量的预测方法、装置、设备和存储介质 | |
CN106528886A (zh) | 信息处理方法、装置及终端 | |
CN114092138A (zh) | 用户行为分析方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |